Jurnal Teknik dan Ilmu Komputer
PENDETEKSI OBJEK YANG DICURIGAI SEBAGAI BOM
MENGGUNAKAN SURVEILLANCE CAMERA
(Detecting Alleged Bomb Object Using Surveillance Camera)
Jony Kosasih*, Lukas**
Fakultas Teknik Jurusan Teknik Elektro
Universitas Katolik Indonesia Atma Jaya – Jakarta
*jonyiverson@yahoo.co.id, **lukas@atmajaya.ac.id
Abstrak
Tindakan terorisme semakin banyak terjadi. Bom meledak di tempat umum, seperti hotel, pusat
perbelanjaan, dan bandara. Hal tersebut membuat masyarakat khawatir apabila berpergian ke
tempat umum. Salah satu cara mengurangi tindakan terorisme adalah dengan memeriksa barang
bawaan pengunjung saat ingin memasuki tempat umum. Namun, hal tersebut tidak cukup untuk
menjaga keamanan tempat umum karena penjaga memiliki keterbatasan dalam pemeriksaan. Salah
satu solusi terhadap hal ini adalah meletakkan kamera pengintai untuk mengamati daerah ramai
pengunjung apabila terjadi hal yang mencurigakan. Untuk memaksimalkan fungsi kamera
pengintai perlu dibuat sistem pendeteksi barang yang mencurigakan. Untuk mendapatkan latar
belakang digunakan metode Time Average Background Image (TABI). Pengurangan piksel antara
latar belakang dengan citra yang ditangkap oleh kamera menghasilkan objek yang terdeteksi.
Objek tersebut akan dilacak dan ditandai dengan kotak warna hijau. Objek ditandai kotak warna
kuning apabila dalam kondisi diam dan objek akan ditandai dengan kotak warna merah,
ditampilkan pada jendela bahaya. Selanjutnya, sirine dibunyikan apabila objek tetap tidak
bergerak. Berdasarkan pengujian, objek berhasil dideteksi dan ditandai oleh kotak dengan warna
yang sesuai dengan penilaian.
Kata Kunci: pendeteksi barang yang mencurigakan, kamera pengintai, pengolahan citra
Abstract
Terrorisms more frequently occur today. Bombs exploded in public places such as hotels,
shopping centers, and airports. Bomb threat concerns people traveling to public places. One way
to reduce terrorism is by inspecting visitors’ bags before entering public places. Considering the
limitation of security guards do inspection, this method does not ensure security. One solution is to
place surveillance cameras to observe crowded areas. To maximize the surveillance camera
function, a detection system to scan suspicious objects was designed. Time Average Background
Image (TABI) method was used to get the background. Reducing the pixel between the background
image and the captured image resulted in detection of object. The object was tracked and marked
a green box. The object was marked yellow boxwhen stationary and red box to alert a danger. The
siren was activated when the object remaims motionless. The experiment showed successful
detection of objects.
Keywords: suspicious items detection, survaillance camera, image processing
Tanggal Terima Naskah
Tanggal Persetujuan Naskah
: 8 Maret 2013
: 18 Maret 2013
126
Vol. 02 No. 06, Apr - Jun 2013
1.
PENDAHULUAN
1.1
Latar Belakang
Tindakan terorisme semakin meresahkan masyarakat. Banyak terjadi bom
meledak di tempat umum, seperti hotel, pusat perbelanjaan, dan bandara. Banyaknya
ancaman bom semakin membuat orang kuatir untuk bepergian ke tempat umum karena
merasa tidak aman. Untuk menjaga keamanan sebagian besar tempat umum
menggunakan penjaga di pintu masuk untuk memeriksa apakah terdapat barang yang
dicurigai sebagai bom yang dibawa oleh pengunjung. Memeriksa pengunjung tidak cukup
untuk menjaga keamanan tempat umum dikarenakan penjaga juga memiliki keterbatasan
dalam memeriksa.
Pada beberapa negara maju digunakan kamera untuk merekam aktivitas di suatu
daerah. Kamera dapat mendeteksi apabila terjadi hal yang mencurigakan. Dengan
kemajuan teknologi, kamera yang berfungsi sebagai pengambil gambar dapat juga
digunakan sebagai pengawas. Dengan mengambil hasil rekaman dan diolah oleh
komputer, hasil rekaman tersebut dapat memberi peringatan apabila terdapat barang yang
mencurigakan.
Untuk meminimalkan terjadinya kejahatan yang tidak diinginkan, dibutuhkan
sistem keamanan dengan menggunakan kamera pengintai yang dapat mendeteksi objek
yang dicurigai sebagai bom dan menunjukkan letak objek yang mencurigakan sehingga
pengguna dengan cepat dapat memeriksa barang tersebut.
1.2
Tujuan
Penelitian ini bertujuan untuk merancang dan membuat program untuk kamera
keamanan yang berfungsi sebagai pendeteksi barang yang dicurigai sebagai bom.
1.3
Pembatasan Masalah
Pembatasan masalah pada penelitian ini adalah:
Webcam tidak bergerak hanya mengamati suatu daerah tertentu.
Terdapat pencahayaan pada daerah yang diamati.
2.
KONSEP PENGOLAHAN CITRA
2.1
Definisi
Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak
melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi
keluaran yang berbentuk citra. Proses pengolahan citra dalam bentuk digital secara umum
mempertimbangkan masalah peningkatan mutu citra atau perbaikan citra. Jika
mendapatkan suatu gambar yang terlalu gelap, dengan pengolahan citra gambar tersebut
dapat diproses agar terlihat lebih jelas [1].
Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan
citra dua dimensi dengan komputer. Citra digital adalah barisan bilangan nyata maupun
kompleks yang diwakili oleh bit tertentu [2]. Gambar 1 menunjukkan diagram blok
pengolahan citra.
Gambar 1. Diagram blok pengolahan citra
127
Pendeteksi Objek yang dicurigai…
2.2
Citra Digital
Sebuah citra harus diubah menjadi bentuk digital agar dapat diolah. Untuk
membuat citra digital, diperlukan pengubahan data kontinu menjadi data digital. Hal ini
meliputi dua proses, yaitu sampling dan kuantisasi. Proses pengubahan citra ke bentuk
digital dapat menggunakan berbagai perangkat, misalnya webcam, scanner, handycam,
kamera digital, dan perangkat keras lainnya.
Sebuah citra digital dapat didefinisikan sebagai fungsi dua dimensi f(x,y), dengan
x dan y adalah koordinat spasial dan amplitudo dari f pada masing-masing koordinat (x,y)
yang disebut intensitas atau level keabuan pada koordinat citra tersebut [3]. Ketika x,y
dan amplitudo dari f semuanya terbatas maka citra tersebut sebagai citra digital.
Citra dapat direpresentasikan dalam bentuk matriks. Misalkan citra berukuran M
x N dimana M merupakan baris dan N merupakan kolom, maka representasi citra dapat
ditunjukkan pada persamaan (1).
Setiap elemen dalam matriks disebut elemen citra atau piksel. Dalam hal ini,
f(x,y) menunjukkan intensitas citra sedangkan x dan y menunjukkan posisi piksel dalam
citra atau disebut koordinat spasial citra.
2.3
Citra RGB
Citra RGB disebut juga citra true color. Citra RGB merupakan citra digital yang
mengandung matriks data berukuran M x N x 3 yang merepresentasikan warna merah,
hijau, dan biru untuk setiap pikselnya. Setiap warna dasar diberi rentang nilai. Rentang
nilai paling kecil 0 dan paling besar 255 untuk citra RGB 24 bit (true color). Setiap piksel
warna merah, hijau, dan biru masing-masing memiliki 8 bit data sehingga total sebuah
piksel citra RGB adalah 24 bit dan total warna yang dapat diperoleh lebih dari 16 juta
warna. Warna dari tiap piksel ditentukan oleh kombinasi dari intensitas merah, hijau, dan
biru.
2.4
Citra Keabuan
Citra keabuan (grayscale image) adalah suatu citra dengan nilai dari setiap piksel
merupakan derajat intensitas. Citra yang ditampilkan dengan keabuan terdiri dari warna
hitam pada bagian yang intensitas terlemah, warna putih pada intensitas terkuat, dan
warna abu-abu pada intensitas antara hitam sampai dengan putih.
Citra keabuan dapat dihasilkan dengan mengkonversi citra RGB. Konversi dapat
dilakukan dengan mengambil nilai rata-rata dari nilai red (R), green (G), dan blue (B).
Konversi citra RGB menjadi citra keabuan dapat dituliskan dengan persamaan (2).
Keterangan:
I (i,j) = intensitas pada piksel dengan posisi i,j
R (i,j) = intensitas pada piksel merah dengan posisi i,j
G (i,j) = intensitas pada piksel hijau dengan posisi i,j
B (i,j) = intensitas pada piksel biru dengan posisi i,j
Gambar 2 menunjukkan hasil konversi citra RGB menjadi citra keabuan.
128
Vol. 02 No. 06, Apr - Jun 2013
Gambar 2. Konversi citra RGB menjadi citra keabuan
2.5
Citra Biner
Citra biner adalah citra keabuan yang hanya memiliki dua derajat keabuan, yaitu
putih dan hitam. Citra biner telah melalui proses pemisahan piksel–piksel berdasarkan
derajat keabuan yang dimiliki. Pembentukan citra biner memerlukan nilai batas keabuan
yang akan digunakan sebagai nilai patokan. Piksel dengan derajat keabuan lebih besar
dari nilai batas akan diberi nilai 1 dan sebaliknya piksel dengan derajat keabuan lebih
kecil dari nilai batas akan diberi nilai 0 [2]. Gambar 3 menunjukkan konversi citra
keabuan menjadi citra biner.
Gambar 3. Konversi citra keabuan menjadi citra biner
2.6
Rekonstruksi Latar Belakang
Latar belakang adalah benda-benda yang berada di belakang objek inti dari suatu
citra. Latar belakang merupakan citra yang paling sering terlihat dari serangkaian gambar
bergerak. Latar belakang memiliki intensitas yang stabil pada waktu yang lama. Latar
belakang pada serangkaian gambar bergerak dapat diperoleh dengan cara menangkap
citra yang pertama kali atau dengan cara mengambil nilai rata-rata dari serangkaian
gambar. Nilai rata-rata tersebut dapat mendekati gambar latar belakang yang diinginkan.
Metode ini sudah umum dipakai dengan menggunakan istilah time average background
image (TABI) [3].
TABI merupakan metode yang digunakan untuk menghasilkan gambar latar
belakang dengan cara mendapatkan nilai rata-rata nilai piksel gambar dari serangkaian
frame. Untuk menghitung TABI dapat digunakan persamaan (3).
Keterangan:
= rata-rata piksel pada posisi x,y
= intensitas piksel pada frame i pada posisi x,y
n
= jumlah frame
i
= urutan frame
129
Pendeteksi Objek yang dicurigai…
2.7
Deteksi Objek Bergerak
Objek bergerak adalah suatu objek warna, posisi, ukuran, atau tempat dalam
frame citra yang berubah berdasarkan waktu. Dalam suatu rangkaian citra akan
mendapatkan objek yang bergerak apabila terdapat perubahan nilai setiap piksel pada
koordinat yang sama antara frame sekarang dengan frame sebelumnya [4].
Untuk mendapatkan perubahan nilai setiap piksel dapat menggunakan metode
pengurangan latar belakang. Metode ini bertujuan untuk memisahkan objek dengan latar
belakang sehingga gerakan objek terdeteksi. Metode pengurangan latar belakang dapat
dihitung dengan persamaan (4).
Pengurangan = | latar belakang – latar depan |......................... (4)
Latar belakang adalah citra referensi yang bisa diperoleh melalui proses TABI
sedangkan latar depan adalah citra pembanding yang diperoleh dari setiap frame yang
ingin diproses. Sebelum melakukan metode pengurangan latar belakang, latar belakang
dan latar depan terlebih dahulu harus diubah menjadi citra biner. Setelah itu, proses
pengurangan latar belakang dapat dilakukan untuk mendapatkan citra yang baru. Apabila
pada citra baru didapatkan warna hitam (bernilai 0) maka nilai dan posisi piksel antara
citra pembanding dengan citra referensi sama sedangkan pada citra baru didapatkan
warna putih (bernilai 1) maka ada perubahan nilai dan posisi piksel antara citra
pembanding dengan citra referensi atau dapat dikatakan terdeteksi pergerakan. Untuk
lebih jelasnya dapat melihat Gambar 4, Gambar 5, dan Gambar 6.
Gambar 4. Latar belakang dan latar belakang dalam bentuk biner
Gambar 5. Latar depan dan latar depan dalam bentuk biner
Gambar 6. Hasil subtraksi latar belakang
130
Vol. 02 No. 06, Apr - Jun 2013
2.8
Bounding Box
Bounding box adalah proses yang dilakukan setelah segmentasi, yaitu dengan
menggunakan pengurangan latar belakang [5]. Gambar divisualisasikan dengan bounding
box melalui dimensi objek yang dihasilkan dari gambar sebelumnya. Untuk gambar
tertentu, scanning dilakukan dengan nilai intensitas gambar lebih dari batas (tergantung
pada nilai yang diberikan, untuk menetapkan keakuratan yang maksimum). Dalam hal ini,
fitur diekstraksi oleh warna yang menggambarkan nilai intensitas warna. Nilai-nilai
intensitas dari atas, bawah, kiri, dan kanan menggunakan dimensi ini. Nilai kotak
pembatas persegi panjang dihubungkan dalam batas-batas nilai yang dihasilkan [3].
Gambar 7 menunjukkan contoh dari bounding box.
Gambar 7. Contoh bounding box
3.
PERANCANGAN SISTEM
3.1
Uraian Proses
Sistem yang dibuat memiliki tiga tingkatan tanda objek yang dicurigai sebagai
bom. Tingkatan pertama adalah amati. Objek pada tingkat pertama ditandai dengan kotak
warna hijau. Setiap objek yang terdeteksi akan ditandai dengan kotak warna hijau.
Tingkatan kedua adalah waspada. Pada tingkatan kedua objek yang terdeteksi didapati
diam selama beberapa detik maka objek akan ditandai dengan kotak warna kuning. Objek
yang ditandai dengan kotak warna kuning patut diwaspadai oleh pengamat. Tingkatan
ketiga adalah bahaya. Pada tingkat ketiga objek didapati terus-menerus diam melebihi
waktu yang ditentukan akan ditandai dengan kotak warna merah disertai bunyi alarm.
Jika objek sudah ditandai dengan kotak warna merah disertai bunyi alarm diharapkan
pengamat menindaklanjuti dan memeriksa objek tersebut [6].
Pertama, aktifkan sistem dengan menekan tombol start. Web camera akan
merekam secara real time. Hasil rekaman akan diproses di komputer dalam bentuk frame.
Untuk mendapatkan hasil yang akurat dibutuhkan model latar belakang secara terusmenerus. Latar belakang didapatkan dengan menggunakan metode TABI. Untuk jumlah
frame yang akan digunakan dalam metode TABI bisa diatur oleh pengguna. Pada sistem
digunakan 100 frame untuk metode TABI [7]. Setelah mendapat latar belakang, web
camera akan melanjutkan merekam untuk mendapatkan latar depan. Setelah mendapat
citra RGB yang merupakan latar depan selanjutnya akan dilakukan proses thresholding
dan proses pengurangan latar belakang. Pengurangan latar belakang merupakan proses
pengurangan nilai piksel antara latar belakang dengan latar depan untuk mendapatkan
objek yang diam. Selanjutnya dilakukan proses morfologi citra terhadap citra yang
dihasilkan dari pengurangan latar belakang. Proses morfologi citra meliputi erosi, filling,
thicken, dan dilasi. Setelah proses morfologi selesai masuk ke proses selanjutnya, yaitu
labelling yang berfungsi memberikan label pada objek yang terhubung dalam citra. Pada
131
Pendeteksi Objek yang dicurigai…
objek yang sudah diberi label akan dilakukan scanning untuk menentukan titik tengah
dan titik bounding box pada objek. Selanjutnya, titik tengah objek yang diperoleh
digunakan untuk proses pelacakan dan titik bounding box digunakan untuk menampilkan
kotak berwarna hijau.
Letak objek hasil pelacakan pada frame saat ini akan dibandingkan dengan letak
objek hasil pelacakan pada frame sebelumnya. Apabila terdapat kesamaan letak maka
parameter penentu objek ditandai dengan kotak warna kuning akan bertambah 1. Nilai
parameter tersebut akan terus bertambah apabila terdapat kesamaan letak terus-menerus
sehingga nilai melebihi batas yang ditentukan (sebagai contoh pada sistem ditentukan 30
frame), maka objek tersebut akan ditandai dengan berubahnya warna kotak dari hijau
menjadi kuning. Warna kuning menandakan objek tersebut patut diwaspadai oleh
pengamat. Jika pada saat merekam objek tersebut berpindah letaknya maka parameter
penentu objek ditandai kotak warna kuning akan kembali bernilai 1 dan ditandai dengan
kotak warna hijau.
Objek yang ditandai dengan kotak warna kuning yang berarti waspada dapat
menjadi bahaya apabila letak objek hasil pelacakan pada frame saat ini yang
dibandingkan dengan letak objek hasil pelacakan pada frame sebelumnya didapati nilai
parameter melebihi nilai yang ditentukan (sebagai contoh pada sistem ditentukan 60
frame) maka objek tersebut akan ditandai dengan kotak berwarna merah disertai bunyi
alarm tanda benda tersebut patut dicurigai. Gambar 8 menampilkan diagram alir sistem
yang dirancang.
Mulai
TABI untuk
mendapatkan latar
belakang
Deteksi objek
dengan kotak
warna hijau
Objek diam
selama 30 frame?
Tidak
Ya
Objek ditandai
dengan kotak
warna kuning
Objek diam
selama 60 frame?
Tidak
Ya
Objek ditandai dengan
kotak warna merah &
alarm berbunyi
Selesai
Gambar 8. Diagram alir sistem
132
Vol. 02 No. 06, Apr - Jun 2013
3.2
Diagram Blok Sistem
Sistem yang dibuat akan dibagi menjadi beberapa bagian, yaitu masukan,
rekontrusi latar belakang (TABI), thresholding, pengurangan latar belakang, morfologi
citra, labelling, pelacakan, bounding box, dan keluaran. Gambar 9 menunjukkan diagram
blok sistem secara berurutan.
Masukan
Rekontruksi Latar Belakang (TABI)
Thresholding
Pengurangan latar belakang
Morfologi Citra
Labeling
Pelacakan
Bounding Box
Keluaran
Gambar 9. Diagram blok sistem
3.3
Masukan
Masukan yang digunakan pada sistem adalah rekaman objek secara real time.
Framerate dan jumlah frame digunakan untuk menentukan berapa lama objek diam
sedangkan resolusi gambar video digunakan untuk melakukan keseluruhan proses sistem.
Apabila terjadi perbedaan resolusi gambar video yang akan diproses maka sistem tidak
akan berjalan dengan baik. Resolusi gambar video pada sistem ini adalah 320 x 240
piksel. Pada sistem diatur setiap trigger menghasilkan 1 frame, jumlah trigger tidak
terbatas, dan untuk melakukan trigger ditentukan secara manual. Berikut ini adalah kode
pada MATLAB untuk masukan.
vid = videoinput('winvideo', 1, 'RGB24_320x240');
set(vid,'FramesPerTrigger',1);
set(vid,'TriggerRepeat',Inf);
triggerconfig(vid, 'Manual');
133
Pendeteksi Objek yang dicurigai…
3.4
Rekontruksi Latar Belakang
Rekontruksi latar belakang diperoleh dengan menggunakan metode TABI.
Langkah-langkah untuk mendapatkan latar belakang menggunakan metode TABI dengan
cara menjumlahkan setiap piksel dari serangkaian frame. Setelah itu, jumlah piksel yang
didapat dibagi oleh banyaknya frame sehingga diperoleh rata-rata nilai dari piksel.
Metode TABI banyak menghasilkan derau yang ditandai dengan kemunculan kelompok
piksel kecil dengan ukuran kecil.
Penerapan TABI untuk video benda yang dicurigai sebagai bom yang memiliki
100 frame diperoleh latar belakang yang sudah cukup baik. Untuk objek dideteksi sebagai
latar belakang asumsi kemunculan objek di atas 50% dari jumlah frame. Berikut ini
adalah kode pada MATLAB untuk rekonstruksi latar belakang dengan metode TABI.
Imzero=double(zeros(240,320,3));
for i = 1:frmback
trigger(vid);
Im{i} = double(getdata(vid,1));
Imzero = Im{i}+Imzero;
end
Imback = Imzero/frmback;
3.5
Thresholding
Thresholding dilakukan untuk mendapatkan citra biner. Citra biner akan
digunakan pada proses pengurangan latar belakang. Keadaan lingkungan tempat objek
memiliki intensitas cahaya yang berbeda. Misalnya pada ruangan terbuka di siang hari
intensitas cahaya akan berbeda pada ruang tertutup dengan pencahayaan yang dihasilkan
oleh lampu. Untuk mendapatkan nilai thresholding yang sesuai dengan keadaan
lingkungan objek yang dideteksi terlebih dahulu diambil sepertiga dari nilai rata-rata
piksel dari latar belakang. Berikut ini adalah kode pada MATLAB untuk melakukan
thresholding.
thresh = sum(sum(Imback));
RED = thresh(:,:,1)/(76800*3);
GREEN = thresh(:,:,2)/(76800*3);
BLUE = thresh(:,:,3)/(76800*3);
3.6
Pengurangan Latar Belakang
Citra yang didapat dari proses perekam secara real time menghasilkan citra RGB.
Untuk melakukan proses pengurangan latar belakang citra RGB harus diubah menjadi
citra biner yang dilakukan melalui proses thresholding sebelumnya. Pengurangan latar
belakang digunakan untuk mendapatkan objek yang diam dengan melakukan proses
pengurangan nilai piksel antara latar belakang dengan latar depan. Berikut ini adalah kode
pada MATLAB untuk pengurangan latar belakang
fore = (abs(Imfore(:,:,1,i)-Imback(:,:,1)) > RED) ...
| (abs(Imfore(:,:,2,i) - Imback(:,:,2)) > GREEN) ...
| (abs(Imfore(:,:,3,i) - Imback(:,:,3)) > BLUE);
Citra yang didapat dari pengurangan latar belakang akan menghasilkan pikselpiksel kecil yang akan mengurangi ketelitian objek yang terdeteksi. Untuk memperbaiki
citra tersebut dibutuhkan proses morfologi citra.
134
Vol. 02 No. 06, Apr - Jun 2013
3.7
Morfologi Citra
Hasil dari pengurangan latar belakang masih memiliki noise berupa piksel-piksel
kecil yang dapat mengurai ketelitian objek yang diam. Untuk menghilangkan noise maka
dilakukan proses morfologi citra pada gambar yang dihasilkan dari proses subtraksi latar
belakang. Terdapat empat proses yang akan dilakukan dalam morfologi citra, yaitu erosi,
filling, thickening, dan dilasi. Proses ini dilakukan secara berurutan.
3.7.1
Erosi
Proses erosi berfungsi mengecilkan atau menipiskan objek pada citra biner.
Dalam sistem pendeteksi objek yang dicurigai sebagai bom, erosi digunakan untuk
menghapus noise berupa piksel kecil yang dapat mengurangi ketelitian dalam mendeteksi
objek. Dalam MATLAB untuk menjalankan proses erosi digunakan sintaks bwmorph.
Pada sintaks bwmorph terdapat banyak pilihan operasi, seperti thicken dan dilasi yang
digunakan dalam sistem. Untuk melakukan proses erosi digunakan operasi dalam
bwmorph, yaitu erode. Kode pada MATLAB untuk melakukan erosi adalah:
Erode = bwmorph(fore,'erode',2);
3.7.2
Filling
Proses erosi yang berguna untuk menghapus noise yang berupa piksel kecil
menyebabkan terjadi pelebaran lubang pada objek yang terdeteksi. Untuk menutup
lubang yang disebabkan oleh proses erosi supaya objek terdeteksi dengan baik digunakan
proses filling. Proses filling digunakan untuk mengisi lubang-lubang pada citra biner.
Lubang yang bisa diisi adalah satu set piksel citra yang tidak dapat dicapai dengan
mengisi citra dari tepi gambar. Pada MATLAB digunakan sintaks imfill. Untuk
melakukan filling digunakan kode pada MATLAB sebagai berikut.
fill = imfill(erode,'holes’);
3.7.3
Thickening
Untuk Thickening digunakan sintaks bwmorph dengan pilihan operasinya adalah
thicken. Kode pada MATLAB untuk thickening sebagai berikut.
Thick=bwmorph(fill,'thicken',1);
Proses thickening digunakan untuk mempersiapkan citra biner untuk proses dilasi. Proses
thickening berfungsi menebalkan setiap area tanpa menghubungkan daerah yang
sebelumnya tidak terhubung.
3.7.4
Dilasi
Proses dilasi berfungsi untuk melakukan penumbuhan pada citra biner. Proses
dilasi dilakukan untuk mengembalikan citra biner seperti awal sebelum dilakukan erosi
untuk menghilangkan noise berupa piksel kecil. Pada MATLAB untuk melakukan proses
thickening digunakan sintaks bwmorph dengan pilihan operasinya adalah thicken. Berikut
ini adalah kode pada MATLAB untuk melakukan dilasi.
dilate=bwmorph(thic,'dilate',2);
135
Pendeteksi Objek yang dicurigai…
3.8
Labelling
Setelah proses morfologi citra dilakukan selanjutnya adalah proses labelling.
Proses labelling berfungsi memberikan label pada objek yang terdeteksi. Pada proses
labelling di MATLAB menggunakan sintaks bwlabel.
labeled = bwlabel(dilate,8);
3.9
Pelacakan
Pada sistem deteksi objek yang dicurigai sebagai bom untuk melakukan
pelacakan objek digunakan metode Kalman Filter. Setiap objek yang dilacak dinyatakan
berdasarkan titik tengah (centroid) dari setiap objek yang terdeteksi. Metode Kalman
Filter menggunakan informasi dari objek terdeteksi pada suatu frame dan status objek
tersebut di frame sebelumnya untuk membuat suatu perkiraan dari status baru objek
tersebut. Sebelum proses pelacakan dilakukan terlebih dahulu harus ditetapkan filter-nya.
Kode pada MATLAB untuk filter Kalman seperti berikut.
R=[[0.2845,0.0045]',[0.0045,0.0455]'];
H=[[1,0]',[0,1]',[0,0]',[0,0]'];
Q=0.01*eye(4);
P = 100*eye(4);
dt=1;
A=[[1,0,0,0]',[0,1,0,0]',[dt,0,1,0]',[0,dt,0,1]'];
g = 6;
Bu = [0,0,0,g]';
Setelah ditetapkan tapis (filter) yang akan digunakan selanjutnya dilakukan
proses pelacakan. untuk melacak setiap objek yang terdeteksi digunakan titik tengah
setiap objek. Berikut ini adalah kode pada MATLAB untuk melacak objek menggunakan
titik tengah.
for a = 1:N
xp{:,a}=A*x{:,a}(i,:)' + Bu
end
PP = A*P*A' + Q;
K = PP*H'*inv(H*PP*H'+R);
P = (eye(4)-K*H)*PP;
for a = 1:N
x{:,a}(i,:) = (xp{:,a} + K*([cc{:,a},cr{:,a}]' H*xp{:,a}))';
end
Hasil pelacakan nantinya akan digunakan untuk mendeteksi apakah terdapat
objek yang diam. Cara mendeteksi objek yang diam adalah dengan membandingkan nilai
hasil pelacakan frame saat ini dengan nilai hasil pelacakan pada frame sebelumnya. Jika
terdapat kesamaan nilai pelacakan dengan nilai toleransi 60 maka parameter objek yang
terdeteksi sebagai bom akan bertambah satu. Parameter digunakan untuk mengetahui
tingkatan objek yang terdeteksi. Parameter akan terus bertambah 1 apabila objek yang
terdeteksi menghasilkan nilai perbandingan yang terus-menerus sama. Jika nilai
parameter mencapai lebih dari 30 maka warna kotak pada objek yang terdeteksi akan
menjadi kuning yang berarti objek tersebut harus diwaspadai. Bila nilai parameter
mencapai lebih dari 60 maka warna kotak pada objek yang terdeteksi akan berubah
136
Vol. 02 No. 06, Apr - Jun 2013
menjadi warna merah, ditampilkan secara khusus pada layar monitor, dan sirine
dibunyikan. Berikut ini adalah kode pada MATLAB untuk menandai objek dengan kotak
warna kuning apabila diam sebanyak 30 frame dan kotak warna merah apabila diam
sebanyak 60 frame.
if abs(x{:,a}(i,1:4)-x{:,a}(i-1,1:4)) < 60
detect{:,a} = detect{:,a} +1
else
detect{:,a} = 1
end
if detect{:,a} > yellow
rectangle('Position',bounding{a},'EdgeColor','yellow','LineW
idth',2)
end
if detect{:,a} > red
rectangle('Position',bounding{a},'EdgeColor','red','LineWidt
h',2)
detect{:,a} = 1;
pause(0.1)
crop{a} = imcrop(Im{i}, bounding{a});
imshow(uint8(crop{a}));
system('"C:\Program Files\Winamp\winamp.exe" /PLAY
"E:\Music\siren.mp3" &')
3.10
Bounding Box
Setelah objek yang diam sudah terdeteksi, pemakai harus mengetahui dimana
letak objek tersebut. Proses bounding box dilakukan supaya pemakai sistem dapat
mengetahui dimana letak objek yang dicurigai sebagai bom. Terdapat tiga warna
bounding box sesuai dengan tingkatan objek yang dicurigai sebagai bom. Warna pertama
adalah hijau apabila objek dalam tingkat amati, warna kedua adalah kuning apabila objek
dalam tingkat waspada, dan warna ketiga adalah merah apabila objek dalam tingkat
bahaya. Pada MATLAB untuk menampilkan bounding box digunakan sintaks rectangle.
4.
PENGUJIAN SISTEM
4.1
Pengujian Pada Ruang Tertutup
Tujuan dari pengujian dari ruang tertutup adalah untuk mengetahui apakah sistem
dapat mendeteksi objek dengan baik pada keadaan ruangan yang memiliki pencahayaan
merata dan tetap ke seluruh daerah pengujian. Pengujian dilakukan di Unika Atma Jaya,
Jalan Jend. Sudirman 51, Jakarta. Sebagai contoh ruang tertutup yang ada di Unika Atma
Jaya digunakan lantai bawah PKPM Gedung K2 sebagai tempat pengujian. Gambar 12
merupakan denah lokasi pengujian pada ruang tertutup.
Pada awal program dijalankan akan muncul jendela utama sistem yang dapat
dilihat pada Gambar 10.
137
Pendeteksi Objek yang dicurigai…
Gambar 10. Jendela utama sistem
Untuk memulai menjalankan program klik tombol start pada jendela utama.
Setelah program dijalankan, kamera akan mulai merekam dan hasil rekaman akan
ditampilkan pada jendela real time. Program akan mengambil sebanyak 100 frame untuk
dijadikan latar belakang dengan metode TABI dan latar belakang hasil dari metode TABI
akan ditampilkan pada jendela background. Proses pengambilan latar belakang dengan
TABI berjalan dengan baik. Hal tersebut dapat dilihat pada frame ke-50 sampai frame ke75 terdeteksi objek berupa orang sedang menaiki tangga tetapi hasil latar belakang
dengan proses TABI objek tersebut tidak dijadikan bagian dari latar belakang. Gambar 11
merupakan tampilan beberapa frame untuk mendapatkan latar belakang, dan tampilan
setelah didapati latar belakang dapat dilihat pada Gambar 12.
a) Frame ke-1
b) Frame ke-50
c)
Frame ke-75
Gambar 11. Tampilan beberapa frame untuk mendapatkan latar belakang
138
Vol. 02 No. 06, Apr - Jun 2013
Gambar 12. Tampilan setelah didapati latar belakang
Setelah didapatkan latar belakang program mulai mendeteksi objek yang
dicurigai sebagai bom. Hasil deteksi akan ditampilkan pada jendela real time. Semua
objek yang terdeteksi akan ditandai dengan kotak warna hijau. Objek ditandai dengan
kotak warna kuning apabila objek terdeteksi diam selama 30 frame. Objek ditandai
dengan kotak warna merah, ditampilkan pada jendela bahaya dan sirine dibunyikan
apabila objek terdeteksi diam selama 60 frame. Gambar 13 merupakan tampilan objek
yang terdeteksi diam sebanyak 30 frame dan objek yang terdeteksi diam sebanyak 60
frame dapat dilihat pada Gambar 14.
Gambar 13. Tampilan objek yang terdeteksi diam sebanyak 30 frame
Gambar 14. Tampilan objek yang terdeteksi diam sebanyak 60 frame
Pada pengujian di ruang tertutup objek yang diberi pencahayaan yang merata dan
tetap oleh lampu dapat terdeteksi dengan baik. Hanya saja terdapat bayangan dari objek
yang terdeteksi oleh sistem sehingga kotaknya melebihi objek yang terdeteksi. Untuk
sistem penilaian objek yang berbahaya berjalan dengan baik. Objek yang diam selama 30
frame ditandai dengan kotak warna kuning, objek yang diam selama 60 frame ditandai
dengan kotak warna merah dan objek ditampilkan pada jendela bahaya. Secara garis besar
sistem bekerja dengan baik pada ruang tertutup.
139
Pendeteksi Objek yang dicurigai…
4.2
Pengujian Ruang Terbuka
Tujuan dari pengujian dari ruang terbuka adalah untuk mengetahui apakah sistem
dapat mendeteksi objek dengan baik pada keadaan ruangan yang memiliki pencahayaan
oleh matahari yang berubah dan tidak merata ke seluruh daerah pengujian. Sebagai
contoh tempat pengujian ruang terbuka digunakan halaman terbuka yang berada di dekat
Hall B Unika Atma Jaya. Percobaan dilakukan pada pukul 16.00.
Pengujian sama seperti pada ruang tertutup. Seratus frame pertama digunakan
untuk mendapatkan latar belakang. Selanjutnya, objek yang diam selama 30 frame akan
ditandai dengan kotak warna kuning. Objek yang diam selama 60 frame akan ditandai
dengan kotak warna merah, ditampilkan pada jendela bahaya, dan sirine dibunyikan.
Gambar 15 merupakan tampilan objek yang terdeteksi diam sebanyak 30 frame dan
Gambar 16 menunjukkan tampilan objek yang terdeteksi diam sebanyak 60 frame.
Gambar 15. Tampilan objek yang terdeteksi diam sebanyak 30 frame
Gambar 16. Tampilan objek yang terdeteksi diam sebanyak 60 frame
Pada pengujian di ruang terbuka objek yang diberi pencahayaan oleh matahari
yang berubah dan tidak merata dapat terdeteksi dengan baik. Objek dapat ditandai kotak
dengan baik sesuai dengan ukuran objek, hanya saja terdapat piksel-piksel kecil yang
terdeteksi sebagai objek oleh sistem. Hal ini karena pencahayaan di ruang terbuka yang
tidak merata sehingga program menjadikan cahaya tersebut sebagai sebuah objek. Untuk
sistem penilaian objek yang berbahaya juga bekerja dengan baik. Objek yang diam
selama 30 frame ditandai dengan kotak warna kuning dan objek yang diam selama 60
frame ditandai dengan kotak warna merah dimana objek ditampilkan pada jendela
bahaya. Dengan demikian dapat ditunjukkan sistem bekerja dengan baik pada ruang
terbuka.
140
Vol. 02 No. 06, Apr - Jun 2013
4.3
Pengujian pada Ruang Tertutup dengan Intensitas Cahaya yang
Kurang/Redup
Tujuan dari pengujian dari ruang tertutup dengan intesitas cahaya yang
kurang/redup adalah untuk mengetahui apakah objek dapat terdeteksi dengan baik pada
ruang tertutup yang diberi pencahayaan yang berasal dari matahari melalui jendela.
Ruangan tertutup dengan intesitas cahaya yang kurang/redup menggunakan sebuah kamar
tidur. Pengujian dilakukan pada pukul 16.00.
Pengujian sama seperti pada ruang tertutup dan ruang terbuka. Objek yang diam
selama 30 frame akan ditandai dengan kotak warna kuning. Objek yang diam selama 60
frame akan ditandai dengan kotak warna merah, ditampilkan pada jendela bahaya, dan
sirine dibunyikan. Gambar 17 merupakan tampilan objek yang terdeteksi diam sebanyak
30 frame dan Gambar 18 merupakan tampilan objek yang terdeteksi diam sebanyak 60
frame.
Gambar 17. Tampilan objek yang terdeteksi diam sebanyak 30 frame
Gambar 18. Tampilan objek yang terdeteksi diam sebanyak 60 frame
Pada pengujian dari ruang tertutup dengan intensitas cahaya yang kurang/redup
objek dapat terdeteksi dengan baik. Objek ditandai dengan kotak sesuai dengan ukuran
objek. Untuk sistem penilaian objek yang berbahaya berjalan dengan baik juga. Objek
yang diam selama 30 frame ditandai dengan kotak warna kuning dan objek yang diam
selama 60 frame ditandai dengan kotak warna merah disertai objek ditampilkan pada
jendela bahaya. Dengan demikian dapat ditunjukkan sistem bekerja dengan baik pada
ruang tertutup dengan intensitas cahaya yang kurang/redup.
4.4
Pengujian Pada Keadaan Ramai
Tujuan dari pengujian pada keadaan ramai adalah untuk mengetahui apakah
objek dapat terdeteksi dengan baik pada keadaan ramai. Keadaan ramai adalah keadaan
yang terdapat banyak orang lalu-lalang pada daerah tangkap kamera. Sebagai contoh
141
Pendeteksi Objek yang dicurigai…
tempat dengan keadaan ramai yang digunakan pada pengujian adalah lantai 3 di Margo
City, Depok.
Pada pengujian keadaan ramai akan diperlihatkan beberapa hasil print screen
pada saat pengujian beserta analisis pada keadaan tersebut.
Gambar 19. Hasil print screen ke-1
Pada Gambar 19 terdapat dua objek yang terdeteksi berupa orang yang sedang
berdiri. Objek yang terdeteksi tidak terlalu baik karena hanya separuh bagian dari objek
ditandai dengan kotak. Hal tersebut dikarenakan baju yang dipakai oleh objek yang
terdeteksi berwarna putih sehingga pada saat proses thresholding objek menjadi sama
dengan latar belakang mendapat nilai 1 (berwarna putih) pada citra biner. selain itu,
terdapat objek yang sedang berjalan tidak terdeteksi oleh sistem. Hal tersebut dikarenakan
objek menggunakan baju berwana putih.
Pada hasil print screen ke-1 dapat dianalisis bahwa objek yang berwarna cerah
seperti putih tidak dapat dideteksi oleh sistem dengan baik. Hal tersebut dikarenakan pada
saat proses thresholding pengubahan citra RGB menjadi citra biner objek yang berwarna
cerah dikonversi menjadi nilai 1 (putih) sehingga saat dikurangi dengan latar belakang
yang juga bernilai 1, objek menjadi bernilai 0 (hitam) yang sama seperti latar belakang.
Gambar 20. Hasil print screen ke-2
Pada Gambar 20 terdeteksi dua objek yang merupakan orang sedang berdiri.
Objek terdeteksi dengan baik, terdapat objek yang ditandai dengan kotak warna kuning
dan objek yang ditandai dengan kotak warna hijau. Objek ditandai dengan kotak warna
kuning karena objek diam selama 30 frame. Objek ditandai dengan kotak warna hijau
karena objek tersebut baru terdeteksi diam tidak lebih dari 30 frame.
142
Vol. 02 No. 06, Apr - Jun 2013
Gambar 21. Hasil print screen ke-3
Pada Gambar 21 terdapat objek yang terdeteksi berupa orang yang sedang diam.
Objek tersebut ditandai dengan kotak warna merah dan ditampilkan pada jendela bahaya
karena sudah diam selama 60 frame. Selain itu, pada jendela real time terdapat objek
yang sedang berdiri yang merupakan penjaga toko akan tetapi tidak terdeteksi oleh sistem
karena terlalu jauh letaknya sehingga sistem tidak dapat mendeteksi objek tersebut.
5.
KESIMPULAN
Berdasarkan pada hasil pengujian yang telah dilakukan, maka didapatkan
kesimpulan sebagai berikut:
1) Sistem penilaian objek yang berbahaya berjalan dengan baik. Objek yang diam
selama 30 frame akan ditandai dengan kotak warna kuning dan untuk 60 frame, objek
akan ditandai dengan kotak warna merah, ditampilkan di jendela bahaya dan sirine
dibunyikan.
2) Pencahayaan mempengaruhi hasil deteksi objek, apabila pencahayaan tetap dan
merata ke seluruh daerah pengamatan akan menghasilkan deteksi objek yang baik.
3) Objek yang berwarna cerah seperti putih tidak dapat dideteksi oleh sistem dengan
baik dikarenakan pada saat proses thresholding pengubahan citra RGB menjadi citra
biner objek yang berwarna cerah dikonversi menjadi nilai 1 (putih) sehingga saat
dikurangi dengan latar belakang yang juga bernilai 1, objek bernilai 0 (hitam)
menjadi sama seperti latar belakang.
4) Untuk mendapatkan hasil deteksi yang baik dibutuhkan pencahayaan yang tetap dan
merata.
REFERENSI
[1].
[2].
[3].
[4].
Shinta, E. P., “Aplikasi Webcam untuk Mendeteksi Gerakan Suatu Objek,”
Makalah Tugas Akhir, Fakultas Teknik Elektro Universitas Dipenegoro, Semarang,
2010.
Prasetyo. E., “Pengolahan Citra Digital dan Aplikasinya Menggunakan MATLAB,”
Penerbit ANDI, Yogyakarta, 2011.
Hartoto. P., “Sistem Deteksi Kecepatan Kendaraan Bermotor pada Real Time
Traffic Information System,” Tugas Akhir, Fakultas Teknik Elektro Institut
Teknologi Surabaya, Surabaya, 2011.
Firdausy. K, Daryono, dan Yudhana. A., “Webcam untuk Sistem Pemantauan
Menggunakan Metode Deteksi Gerakan,” Skripsi, Fakultas Teknik Elektro
Universitas Ahmad Dahlan, Yogyakarta, 2009.
143
Pendeteksi Objek yang dicurigai…
[5].
[6].
[7].
Acharya. T dan Ray. A. K., “Image Processing: Principle and Applications,” John
Wiley & Sons, Inc, New Jersey, 2005.
Amrullah, R. Y., “Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter.
Fakultas Teknik Elektro Institut Teknologi Surabaya, Surabaya, 2010.
Sigit, R., ”Step by Step Pengolahan Citra Digital,” ANDI, Yogyakarta, 2005.
144